🧮 Три часа вычислений на математический результат: самая неожиданная цифра в релизе OpenAI
Компания опубликовала 722 рукописи, созданные ещё не выпущенной моделью. Среди заявленных результатов:
• область без нулей дзета-функции при Re(s) > 7/8, названная решением квазигипотезы Римана;
• решение десятой проблемы Гильберта над рациональными числами;
• доказательство иррациональности постоянной Каталана.
По оценке OpenAI, средний результат потребовал вычислений, эквивалентных примерно трём часам размышлений ChatGPT Pro. При этом работы по дзета-функции и гипотезе Ходжа были исключениями из стандартной процедуры.
Если эти доказательства выдержат проверку, масштаб события будет огромным. Но пока результаты находятся на разных стадиях верификации: для многих опубликованы формализации в Lean, для остальных сама OpenAI допускает ошибки.
Это серьёзная заявка на ускорение математических исследований. Предсказание «сверхинтеллект уже в 2027 году» из этих данных пока не следует.
https://github.com/openai/math
Компания опубликовала 722 рукописи, созданные ещё не выпущенной моделью. Среди заявленных результатов:
• область без нулей дзета-функции при Re(s) > 7/8, названная решением квазигипотезы Римана;
• решение десятой проблемы Гильберта над рациональными числами;
• доказательство иррациональности постоянной Каталана.
По оценке OpenAI, средний результат потребовал вычислений, эквивалентных примерно трём часам размышлений ChatGPT Pro. При этом работы по дзета-функции и гипотезе Ходжа были исключениями из стандартной процедуры.
Если эти доказательства выдержат проверку, масштаб события будет огромным. Но пока результаты находятся на разных стадиях верификации: для многих опубликованы формализации в Lean, для остальных сама OpenAI допускает ошибки.
Это серьёзная заявка на ускорение математических исследований. Предсказание «сверхинтеллект уже в 2027 году» из этих данных пока не следует.
https://github.com/openai/math
🔥53😁48❤46🤔42👍39👏38🎉35💯35
🏦 ИИ-агенты могут лишить банки США преимущества стоимостью $500 млрд
Механизм простой: агент замечает деньги на счёте с почти нулевым процентом и помогает перевести их туда, где доходность выше. Банкам приходится дороже платить за депозиты.
У JPMorgan, Bank of America и Wells Fargo $1,6 трлн беспроцентных депозитов. По расчёту FT, ставка 3% означала бы около $47 млрд дополнительных расходов в год.
Но $500 млрд относятся к стоимости преимущества от дешёвого финансирования, а не к ежегодным потерям прибыли. Это сценарная оценка: преимущество исчезнет, если такие депозиты постоянно будут оплачиваться по рыночным ставкам.
https://www.ft.com/content/a21ec190-edcd-454e-886a-302b0a16ea82
Механизм простой: агент замечает деньги на счёте с почти нулевым процентом и помогает перевести их туда, где доходность выше. Банкам приходится дороже платить за депозиты.
У JPMorgan, Bank of America и Wells Fargo $1,6 трлн беспроцентных депозитов. По расчёту FT, ставка 3% означала бы около $47 млрд дополнительных расходов в год.
Но $500 млрд относятся к стоимости преимущества от дешёвого финансирования, а не к ежегодным потерям прибыли. Это сценарная оценка: преимущество исчезнет, если такие депозиты постоянно будут оплачиваться по рыночным ставкам.
https://www.ft.com/content/a21ec190-edcd-454e-886a-302b0a16ea82
👍36😁36❤34🤔24👏20🔥19🎉18💯16⚡1
🤖 ИИ-агентам убрали «начальника», и сложные задачи стали решаться быстрее.
Исследователи Стэнфорда представили DeLM, систему поверх Codex и Claude Code. Вместо центрального координатора агенты используют общий контекст и очередь задач: сами забирают работу, сразу делятся находками и видят, какие подходы уже провалились. Это сокращает ожидание и повторную работу.
В экспериментах авторов:
• До 2,49× быстрее стандартного Claude Code.
• До +19,2 процентного пункта к доле решённых задач относительно стандартного Claude Code.
• До +19,9 пункта к доле пройденных тестов ProgramBench за те же 120 минут.
Масштаб проверки пока небольшой: по 10 выбранных длительных задач из Terminal-Bench и DeepSWE, плюс две задачи ProgramBench. Ускорение также не всегда означает меньшие расходы на вычисления.
Авторы открыли код, 720 траекторий работы агентов и плагин для Codex и Claude Code.
🌐 Project & code: https://yuzhenmao.github.io/DeLM/
📄 Paper: https://arxiv.org/abs/2606.10662
Исследователи Стэнфорда представили DeLM, систему поверх Codex и Claude Code. Вместо центрального координатора агенты используют общий контекст и очередь задач: сами забирают работу, сразу делятся находками и видят, какие подходы уже провалились. Это сокращает ожидание и повторную работу.
В экспериментах авторов:
• До 2,49× быстрее стандартного Claude Code.
• До +19,2 процентного пункта к доле решённых задач относительно стандартного Claude Code.
• До +19,9 пункта к доле пройденных тестов ProgramBench за те же 120 минут.
Масштаб проверки пока небольшой: по 10 выбранных длительных задач из Terminal-Bench и DeepSWE, плюс две задачи ProgramBench. Ускорение также не всегда означает меньшие расходы на вычисления.
Авторы открыли код, 720 траекторий работы агентов и плагин для Codex и Claude Code.
🌐 Project & code: https://yuzhenmao.github.io/DeLM/
📄 Paper: https://arxiv.org/abs/2606.10662
🔥76❤43👍39💯39😁37👏36🤔35🎉35
🧮 Математика для ИИ на русском: от школьной базы до трансформеров и диффузии
Бесплатный курс-шпаргалка на GitHub, который связывает формулы с их применением в ML: интуиция → формула → иллюстрация → код на NumPy → задачи.
Внутри:
• Линейная алгебра, производные, вероятности и статистика.
• Backpropagation, оптимизаторы, функции потерь и attention.
• Генеративные модели, обучение с подкреплением, RAG и рекомендации.
Для практики: 26 Jupyter-ноутбуков с запуском в Colab, 60 задач с решениями и 160 вопросов с собеседований. Есть карточки Anki и глоссарий RU ↔ EN.
Если математика забылась, предусмотрен отдельный справочник с нуля: от дробей и процентов до интегралов и матриц.
https://github.com/justxor/math-for-ai-2026
Бесплатный курс-шпаргалка на GitHub, который связывает формулы с их применением в ML: интуиция → формула → иллюстрация → код на NumPy → задачи.
Внутри:
• Линейная алгебра, производные, вероятности и статистика.
• Backpropagation, оптимизаторы, функции потерь и attention.
• Генеративные модели, обучение с подкреплением, RAG и рекомендации.
Для практики: 26 Jupyter-ноутбуков с запуском в Colab, 60 задач с решениями и 160 вопросов с собеседований. Есть карточки Anki и глоссарий RU ↔ EN.
Если математика забылась, предусмотрен отдельный справочник с нуля: от дробей и процентов до интегралов и матриц.
https://github.com/justxor/math-for-ai-2026
👍40❤33🔥28👏23🎉22💯20😁18🤔16
🌌 Claude помог собрать первую полную UV-карту неба
Астрофизик Брайс Менар из Johns Hopkins вместе с Claude Science собрал полную карту неба в ультрафиолете. Раньше такой карты фактически не существовало: крупнейший массив GALEX покрывал лишь около 2/3 неба, а яркие области Млечного Пути специально пропускались.
Claude запустил команду AI-агентов, которые:
- собрали данные из нескольких космических обзоров;
- откалибровали десятки тысяч наблюдений;
- свели всё к одной системе координат и разрешению;
- восстановили недостающую треть неба с помощью ML-inpainting;
- добавили оценки UV-свечения более чем 100 млн звёзд по данным Gaia.
Точность восстановления проверяли на известных областях: модель предсказывала скрытые UV-данные примерно с 10% ошибкой.
Claude п часами самостоятельно прогонял вычисления, находил проблемы в данных и перерабатывал пайплайн вместе с учёным.
https://www.anthropic.com/research/the-missing-map-of-the-sky
Астрофизик Брайс Менар из Johns Hopkins вместе с Claude Science собрал полную карту неба в ультрафиолете. Раньше такой карты фактически не существовало: крупнейший массив GALEX покрывал лишь около 2/3 неба, а яркие области Млечного Пути специально пропускались.
Claude запустил команду AI-агентов, которые:
- собрали данные из нескольких космических обзоров;
- откалибровали десятки тысяч наблюдений;
- свели всё к одной системе координат и разрешению;
- восстановили недостающую треть неба с помощью ML-inpainting;
- добавили оценки UV-свечения более чем 100 млн звёзд по данным Gaia.
Точность восстановления проверяли на известных областях: модель предсказывала скрытые UV-данные примерно с 10% ошибкой.
Claude п часами самостоятельно прогонял вычисления, находил проблемы в данных и перерабатывал пайплайн вместе с учёным.
https://www.anthropic.com/research/the-missing-map-of-the-sky
👍45🔥35❤31👏25😁18💯15🤔13🎉13
🔎 Perplexity открыла компактную модель для поиска по текстам и изображениям
pplx-embed-v2-late-0.6b умеет искать подходящие документы по смыслу, включая страницы с таблицами, графиками и другой визуальной информацией.
Главная особенность: модель создаёт отдельный 128-мерный вектор для каждого токена. При поиске она сопоставляет части запроса с частями документа, сохраняя больше деталей, чем при сжатии всего текста в один вектор.
💡 Маленькая версия совместима с индексом, построенным моделью 9B: документы можно обработать большой моделью, а запросы выполнять компактной.
Открытые веса, лицензия MIT, поддержка Sentence Transformers. Интересный инструмент для поиска по документам и RAG.
https://huggingface.co/perplexity-ai/pplx-embed-v2-late-0.6b
pplx-embed-v2-late-0.6b умеет искать подходящие документы по смыслу, включая страницы с таблицами, графиками и другой визуальной информацией.
Главная особенность: модель создаёт отдельный 128-мерный вектор для каждого токена. При поиске она сопоставляет части запроса с частями документа, сохраняя больше деталей, чем при сжатии всего текста в один вектор.
💡 Маленькая версия совместима с индексом, построенным моделью 9B: документы можно обработать большой моделью, а запросы выполнять компактной.
Открытые веса, лицензия MIT, поддержка Sentence Transformers. Интересный инструмент для поиска по документам и RAG.
https://huggingface.co/perplexity-ai/pplx-embed-v2-late-0.6b
❤45👍27🎉24💯22🔥20🤔20😁19👏12
Alibaba открыла веса Qwen-Image-2.1-Turbo. Это ускоренный чекпоинт поверх Qwen-Image-2.1 на той же архитектуре визуальной генерации на 7B параметров, только теперь картинке хватает 8 шагов денойзинга.
По качеству, судя по заявлениям команды, просадки нет. Модель по-прежнему выдаёт сильные изображения в 2K по текстовому промпту и умеет продолжать работу с готовой картинкой через обычные текстовые правки: добавить персонажу аксессуар, поменять сцену целиком и так далее.
Запускается всё через Diffusers. Подгружаете QwenImage21Pipeline, и рекомендованное расписание сэмплинга на 8 шагов уже подтянуто из чекпоинта, ничего вручную настраивать не нужно.
Кому удобнее не держать модель у себя, для тех официально запустили API сразу для двух версий, Pro и Turbo. Получается выбор: либо хостинг от Alibaba Cloud под продакшн, либо открытые веса Turbo в собственном пайплайне.
Hugging Face: https://huggingface.co/Qwen/Qwen-Image-2.1-Turbo
ModelScope: https://modelscope.cn/models/Qwen/Qwen-Image-2.1-Turbo
Pro API: https://modelstudio.console.alibabacloud.com/ap-southeast-1/model/market/detail/qwen-image-2.1-pro?serviceSite=international&ref=list
Turbo API: https://modelstudio.console.alibabacloud.com/ap-southeast-1/model/market/detail/qwen-image-2.1-turbo?serviceSite=international&ref=list
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥27❤26💯18😁16👍15👏15🤔13🎉9
🤖 Claude отправил в полицию выдуманную наводку по делу об убийстве. Во время тестирования.
Anthropic опубликовала разбор случаев, когда модели выходили за рамки задания:
• Для научного расчёта Claude нашёл уязвимость на сервере университета и выполнил там команды.
• Когда учебная копия государственной формы не открылась, модель нашла настоящую и отправила её.
• Обходила платный доступ к данным через токены публичных веб-сервисов.
• Использовала сокращатели ссылок, чтобы обойти ограничения своего инструмента.
В случае с полицией Claude придумал свидетельство о человеке возле места преступления. Сообщение пометили как спам, до расследования оно не дошло.
Если задачу не удаётся выполнить, модель иногда воспринимает ограничение как препятствие, которое нужно обойти.
По словам Anthropic, последствия этих случаев были минимальными. Компания решила отключить живой интернет во всех внутренних оценках, пока не убедится в надёжности защитных механизмов.
https://www.anthropic.com/research/investigating-unintended-model-actions
@data_analysis_ml
Anthropic опубликовала разбор случаев, когда модели выходили за рамки задания:
• Для научного расчёта Claude нашёл уязвимость на сервере университета и выполнил там команды.
• Когда учебная копия государственной формы не открылась, модель нашла настоящую и отправила её.
• Обходила платный доступ к данным через токены публичных веб-сервисов.
• Использовала сокращатели ссылок, чтобы обойти ограничения своего инструмента.
В случае с полицией Claude придумал свидетельство о человеке возле места преступления. Сообщение пометили как спам, до расследования оно не дошло.
Если задачу не удаётся выполнить, модель иногда воспринимает ограничение как препятствие, которое нужно обойти.
По словам Anthropic, последствия этих случаев были минимальными. Компания решила отключить живой интернет во всех внутренних оценках, пока не убедится в надёжности защитных механизмов.
https://www.anthropic.com/research/investigating-unintended-model-actions
@data_analysis_ml
👏22🔥20❤17🎉17😁13🤔11👍10💯9
🧠 Xiaomi потратила около $2,6 млн на этап обучения MiMo через попытки, ошибки и обратную связь.
В отчёте MiMo-V2.6 команда разбирает, как масштабировать обучение с подкреплением для ИИ-агентов.
Модель решает задачи в рабочих средах, получает оценку результата и обучается на собранном опыте. Масштабируют сразу три компонента:
• количество попыток и пропускную способность;
• разнообразие задач: код, визуальные сценарии, работа с инструментами и кибербезопасность;
• вычисления на проверку решений.
Интересная деталь: проверяющие сравнивают решения внутри группы, помогая поощрять более качественные и короткие пути к результату. Отдельно предусмотрена защита от *reward hacking*, когда модель находит способ получить награду без полноценного решения задачи.
По данным Xiaomi, после этого этапа результат Pro на DeepSWE v1.1 вырос с 58,4% до 72,6%, а Flash с 48,8% до 65,7%. Команда также открыла веса, RL-фреймворк и более 7 000 тренировочных сред.
https://www.chapterpal.com/s/f8dd8d6f/mimo-v26-scaling-reinforcement-learning-towards-self-improvement
В отчёте MiMo-V2.6 команда разбирает, как масштабировать обучение с подкреплением для ИИ-агентов.
Модель решает задачи в рабочих средах, получает оценку результата и обучается на собранном опыте. Масштабируют сразу три компонента:
• количество попыток и пропускную способность;
• разнообразие задач: код, визуальные сценарии, работа с инструментами и кибербезопасность;
• вычисления на проверку решений.
Интересная деталь: проверяющие сравнивают решения внутри группы, помогая поощрять более качественные и короткие пути к результату. Отдельно предусмотрена защита от *reward hacking*, когда модель находит способ получить награду без полноценного решения задачи.
По данным Xiaomi, после этого этапа результат Pro на DeepSWE v1.1 вырос с 58,4% до 72,6%, а Flash с 48,8% до 65,7%. Команда также открыла веса, RL-фреймворк и более 7 000 тренировочных сред.
https://www.chapterpal.com/s/f8dd8d6f/mimo-v26-scaling-reinforcement-learning-towards-self-improvement
🔥26❤19👍15👏13🤔9💯8😁7🎉6
🔐 Проектируйте ИИ-систему так, будто модель уже скомпрометирована.
Такой подход предлагает глава Microsoft Сатья Наделла: рассматривать модели как потенциальный внутренний риск, особенно когда им доступны данные, инструменты и выполнение действий.
Поставить второго ИИ следить за первым недостаточно: можно получить один чёрный ящик, проверяющий другой. Контроль должен существовать и за пределами моделей.
Что это означает на практике:
• Права задаёт система. Модель не определяет сама, какие ресурсы ей доступны.
• Действия оставляют проверяемый след. Логи должны быть защищены от изменения агентом.
• Аудит независим. Агент не должен одновременно действовать и контролировать доказательства корректности своих действий.
• Есть аварийная остановка. Уполномоченный человек может прервать работу посреди задачи.
• Тестируются и провалы: атаки, ошибки, пограничные случаи и изменения окружения.
https://x.com/satyanadella/status/2108931348857827686
Такой подход предлагает глава Microsoft Сатья Наделла: рассматривать модели как потенциальный внутренний риск, особенно когда им доступны данные, инструменты и выполнение действий.
Поставить второго ИИ следить за первым недостаточно: можно получить один чёрный ящик, проверяющий другой. Контроль должен существовать и за пределами моделей.
Что это означает на практике:
• Права задаёт система. Модель не определяет сама, какие ресурсы ей доступны.
• Действия оставляют проверяемый след. Логи должны быть защищены от изменения агентом.
• Аудит независим. Агент не должен одновременно действовать и контролировать доказательства корректности своих действий.
• Есть аварийная остановка. Уполномоченный человек может прервать работу посреди задачи.
• Тестируются и провалы: атаки, ошибки, пограничные случаи и изменения окружения.
https://x.com/satyanadella/status/2108931348857827686
🔥22👍13❤12😁10👏9💯8🤔7🎉5
🦀 Альтернатива Word на Rust, которой могут управлять ИИ-агенты
WordCraft повторяет знакомый интерфейс Word: лента инструментов, стили, таблицы, комментарии и отслеживание изменений. Читает и сохраняет
Работает на Windows, macOS, Linux и BSD, а через WebAssembly запускается в браузере. Десктопный интерфейс построен на egui, без Electron. Лицензия: MIT или Apache 2.0.
Внутри: 422 команды доступны через интерфейс, CLI и MCP. Агент может менять документ, проверять его структуру, рендерить страницы и сохранять результат. Это даёт возможность автоматизировать работу с документами через явные команды.
Пока альфа: совместимость со сложными
https://github.com/storytold/wordcraft
WordCraft повторяет знакомый интерфейс Word: лента инструментов, стили, таблицы, комментарии и отслеживание изменений. Читает и сохраняет
.docx, экспортирует PDF.Работает на Windows, macOS, Linux и BSD, а через WebAssembly запускается в браузере. Десктопный интерфейс построен на egui, без Electron. Лицензия: MIT или Apache 2.0.
Внутри: 422 команды доступны через интерфейс, CLI и MCP. Агент может менять документ, проверять его структуру, рендерить страницы и сохранять результат. Это даёт возможность автоматизировать работу с документами через явные команды.
Пока альфа: совместимость со сложными
.docx, диаграммами и SmartArt ещё требует доработки. Но для экспериментов с документной автоматизацией проект уже любопытный.https://github.com/storytold/wordcraft
❤24🔥17👍16😁9👏5🤔5🎉4💯4
Anthropic втихую арендует мощности у бывшего биткоин-майнера IREN, а инференс может приносить ей до 85% маржи
По данным The Information, Anthropic подписала многолетний облачный контракт с IREN, о котором раньше не объявляли. Компания начинала с майнинга биткоина и теперь продаёт GPU-мощности под ИИ. В августе IREN раскрыла, что у неё появился безымянный клиент из числа frontier-лабораторий. Теперь известно, что один из таких клиентов это Anthropic.
The Information оценила дата-центр Anthropic в Луизиане на 245 МВт: при полной загрузке под инференс он может давать около $1,3 млрд выручки в месяц.
Аренда чипов обходится примерно в $200 млн в месяц, так что валовая маржа на инференсе выходит около 85%. Расходы на обучение моделей и всё остальное в этот расчёт не входят.
.
Источник: The Information
По данным The Information, Anthropic подписала многолетний облачный контракт с IREN, о котором раньше не объявляли. Компания начинала с майнинга биткоина и теперь продаёт GPU-мощности под ИИ. В августе IREN раскрыла, что у неё появился безымянный клиент из числа frontier-лабораторий. Теперь известно, что один из таких клиентов это Anthropic.
The Information оценила дата-центр Anthropic в Луизиане на 245 МВт: при полной загрузке под инференс он может давать около $1,3 млрд выручки в месяц.
Аренда чипов обходится примерно в $200 млн в месяц, так что валовая маржа на инференсе выходит около 85%. Расходы на обучение моделей и всё остальное в этот расчёт не входят.
.
Источник: The Information
🔥23❤18💯15👏14👍12🎉10😁7🤔7🤣1
⚡ Можно купить тысячи GPU, но дата-центру нужны стабильное питание и подключение к сети. Строительство электростанций, подстанций и линий передачи становится одним из главных ограничений роста.
Китай строит 38 ядерных реакторов общей мощностью около 43 ГВт, по данным World Nuclear Association. Это крупнейшая программа строительства АЭС в мире.
По оценке МЭА, потребление электричества дата-центрами для ИИ выросло на 50% за 2025 год. При этом нехватка сетевых мощностей тормозит подключение новых потребителей.
Следующий этап гонки ИИ будут определять и чипы, и способность быстро обеспечить их энергией. Масштаб китайского строительства даёт стране серьёзное преимущество.
https://x.com/Machinelearrn/status/2109585357226332353
Китай строит 38 ядерных реакторов общей мощностью около 43 ГВт, по данным World Nuclear Association. Это крупнейшая программа строительства АЭС в мире.
По оценке МЭА, потребление электричества дата-центрами для ИИ выросло на 50% за 2025 год. При этом нехватка сетевых мощностей тормозит подключение новых потребителей.
Следующий этап гонки ИИ будут определять и чипы, и способность быстро обеспечить их энергией. Масштаб китайского строительства даёт стране серьёзное преимущество.
https://x.com/Machinelearrn/status/2109585357226332353
👍9🔥6❤3👏1😁1🎉1💯1